ISSN : 2407-0491

Jurnal Edik Informatika E-ISSN : 2541-3716

Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V2.i1(53-62)

Implementasi Simple Additive Weighting untuk Rekomendasi Pencari

Kerja Terbaik Dalam Sistem Informasi Lowongan Kerja
Firdaus
DosenTeknologi Informatika STMIK-AMIK RIAU
firdaus6ta@gmail.com

ABSTRAK

Sistem informasi lowongan kerja yang sudah ada masih menggunakan pencarian
berdasarkan masing-masing atribut permintaan dan belum ada pengolahan data profil dari
penyedia kerja dan pencari kerja. Hal ini akan menyulitkan penyedia kerja dalam menyaring
calon pelamar yang telah melamar. Meskipun banyak pelamar yang mengajukan lamaran, tetapi
hanya sedikit pelamar yang sesuai dengan ketentuan perusahaan. Untuk membuat sistem
informasi yang dapat memberikan rekomendasi diperlukan sebuah metode pengambil keputusan
yang tepat. Penelitian ini bertujuan untuk menghasilkan pekerjaan yang berbasis sistem
informasi yang akan mempertemukan pencari kerja dan penyedia kerja dan menerapkan metode
SAW yang dapat memberikan pencari kerja rekomendasi terbaik sesuai dengan kriteria yang
ditentukan oleh pemberi kerja. Aplikasi dibangun dengan menggunakan bahasa pemrograman
PHP dan database MySQL. Metode yang digunakan adalah Simple Additive Metode
Pembobotan (SAW). Kriteria yang digunakan adalah umur, tinggi badan, status, kondisi mata,
pendidikan terakhir, kesesuain jurusan, nilai IPK/UN, nilai TOEFL, Akreditasi, Pengalaman dan
Kelengkapan Berkas. Hasil menunjukkan bahwa metode Simple Additive Weighting (SAW)
mampu menghasilkan pencari kerja rekomendasi terbaik berdasarkan kriteria.

Kata Kunci : Sistem Rekomendasi, Simple Additive Weighting, Sistem Informasi Lowongan
Kerja, PHP dan MYSQL

PENDAHULUAN pelamar yang sesuai dengan ketentuan

1.1. Latar Belakang
Kemajuan teknologi saat ini sudah banyak
mempengaruhi berbagai bidang, salah satunya
penyedia kerja yang telah memanfaatkan
teknologi untuk memberikan informasi
lowongan kerja kepada pencari kerja.
Beberapa perusahaan telah memanfaatkan
bursa lowongan kerja yang ada di internet.
Sistem informasi lowongan kerja yang sudah
ada masih menggunakan pencarian
berdasarkan masing-masing atribut
permintaan dan belum ada pengolahan data
profil dari penyedia kerja dan pencari kerja.
Hal ini akan menyulitkan penyedia kerja
dalam menyaring calon pelamar yang telah
melamar. Meskipun banyak pelamar yang
mengajukan lamaran, tetapi hanya sedikit
53 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar
perusahaan.
Untuk membuat sistem informasi yang dapat
memberikan rekomendasi diperlukan sebuah
metode pengambil keputusan yang tepat. Ada
beberapa metode pengambilan keputusan
antara lain : Simple Additive Weighting
Method (SAW), Weighted Product (WP),
ELECTRE, Technique for Order Preference
by Similiarty to Ideal Solution (TOPSIS), dan
Analytic Hierarchy Process (AHP). Menurut
Eniyati (2011), metode SAW sesuai untuk
proses pengambilan keputusan karena dapat
menentukan nilai bobot untuk setiap atribut,
kemudian dilanjutkan dengan proses
perangkingan yang akan menyeleksi alternatif
terbaik dari sejumlah alternatif terbaik.
Konsep dasar metode SAW adalah mencari
penjumlahan terbobot dari rating kinerja pada
setiap alternatif pada semua atribut (Fishburn,

Jurnal Edik Informatika
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V2.i1(53-62)
1967) (MacCrimmon, 1968). Dalam
penelitian yang diteliti sebelumnya total
perubahan nilai yang dihasilkan oleh metode
SAW lebih banyak sehingga metode SAW
sangat relevan untuk menyelesaikan masalah
pengambilan keputusan (Henry, 2010).
Pemilihan personil tergantung pada target
perusahaan, ketersediaan sarana dan
preferensi individu dari pengambil keputusan
merupakan masalah yang sangat kompleks.
Metode SAW disarankan untuk memecahakan
masalah seleksi personil menggunakan multi
kriteria proses pengambilan keputusan
(Alireza, 2010).
Sistem pendukung keputusan dengan metode
SAW juga bisa dikembangkan untuk siswa
dalam memilih jurusan yang tepat
berdasarkan rekomendasi tertinggi dengan
persentase terendah yang dihasilkan metode
SAW ( Juliana, 2014 ).
Berdasarkan latar belakang masalah di atas,
maka perlu dibuat sebuah sistem informasi
lowongan kerja yang dapat
merekomendasikan pencari kerja terbaik
dengan menggunakan metode SAW untuk
rekomendasi tenaga kerja terbaik dalam
sistem informasi lowongan kerja akan
didapatkan calon pelamar kerja yang sesuai
dengan kriteria pihak penyedia kerja, serta
akan didapatkan lowongan kerja yang sesuai
dengan kemampuan calon pelamar kerja.
LANDASAN TEORI
1.1. Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK)
atau dikenal dengan Decision Support System
(DSS) pada tahun 1970-an sebagai pengganti
istilah Management Information System
(MIS). Tetapi pada dasarnya SPK merupakan
pengembangan lebih lanjut dari MIS yang
dirancang sedemikian rupa sehingga bersifat
interaktif dengan pemakainya, maksud dan
tujuan dari adanya sistem pendukung
keputusan yaitu untuk mendukung pengambil
keputusan memilih alternative keputusan yang
merupakan hasil pengolahan informasi-
informasi yang diperoleh dengan
54 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar
ISSN : 2407-0491
E-ISSN : 2541-3716
menggunakan model-model pengambilan
keputusan serta menyelesaikan masalah-
masalah bersifat terstruktur, semi terstruktur
dan tidak terstruktur (Youllia Indrawaty N
dkk, 2010).
1.1.1. Definisi Sistem
Menurut Prastiwanto (2014), Sistem
dapat diartikan sebagai suatu kumpulan atau
himpunan dari unsur atau variable-variabel
yang saling terorganisasi, saling berinteraksi,
saling bergantung sama lain. Berikut akan
diberikan beberapa definisi sistem secara
umum :
1. Kumpulan dari bagian-bagian yang
bekerja sama untuk mencapai tujuan yang
sama.
2. Sekumpulan objek-objek yang saling
berelasi dan berinteraksi serta hubungan
antar objek bisa dilihat sebagai satu
kesatuan yang dirancang untuk mencapai
satu tujuan.
1.1.2. Definisi Keputusan
Menurut Hilda Karli (2013), keputusan
adalah proses kesadaran manusia terhadap
fenomena individual maupun social
berdasarkan kejadian faktual dan nilai
pemikiran yang mencakup aktivitas perilaku
pemilihan satu atau beberap alternatif sebagai
jalan keluar untuk memecahkan masalah yang
dihadapi. Keputusan mengandung tiga
pengertian, yaitu: (1) ada pilihan atas dasar
logika atau pertimbangan; (2) ada beberapa
alternatif yang harus dipilih salah satu yang
terbaik; dan (3) ada tujuan yang ingin dicapai
dan keputusan itu makin mendekatkan pada
tujuan tersebut.
1.1.3. Definisi Sistem Pendukung
Keputusan
Menurut Sri Eniyati (2011), Sistem
Pendukung Keputusan adalah suatu sistem
penghasil informasi yang ditujukan pada suatu
masalah tertentu yang harus dipecahkan.
Kelancaran Fisik sangat dipengaruhi oleh
mekanisme pengaturan yang dijalani.

Jurnal Edik Informatika
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V2.i1(53-62)
Rangkaian pengaturan sistem fisik ini
distrukturkan dalam sistem manajemen yang
tidak lain merupakan sistem yang
menghasilkan keputusan yang diperlukan
guna menjamin kelancaran sistem fisik. Oleh
karena sistem manajemen ini menghasilkan
sejumlah keputusan, maka sering pula sistem
manajemen disebut sistem keputusan.
1.2. Komponen Sistem Pendukung
Keputusan
Secara garis besar Sistem Penunjang
Keputusan dibangun oleh empat komponen
besar :
1. Data Management, Termasuk database,
yang mengandung data yang relevan
untuk berbagai situasi dan diatur oleh
software yang disebut Database
Management System (DBMS)
2. Model Management, Melibatkan model
financial, statistical, management science,
atau berbagai model kuantitatif lainnya,
sehingga dapat memberikan ke system
suatu kemapuan analitis, dan manajemen
software yang diperlukan.
3. Communication ( dialog subsystem). User
dapat berkomunikasi dan memberikan
perintah pada Sistem Pendukung
Keputusan melalui subsistem ini. Ini
berarti menyediakan antarmuka.
4. Knowledge Management. Subsistem
optimal ini dapat mendukung subsistem
lain atau bertindak sebagai komponen
yang berdiri sendiri.
Gambar 1 Komponen Sistem Pendukung
Keputusan
1.3. Fuzzy Multiple Atribute decision Making
(FMADM)
Fuzzy Multiple Attribute Decision Making
(FMADM) adalah suatu metode yang
55 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar
ISSN : 2407-0491
E-ISSN : 2541-3716
digunakan untuk mencari alternatif optimal
dari sejumlah alternatif dengan kriteria
tertentu. Inti dari FMADM adalah
menentukan nilai bobot untuk setiap atribut,
kemudian dilanjutkan dengan proses
perankingan yang akan menyeleksi alternatif
yang sudah diberikan, (Heri Sulistiyo,2013).
1.3.1. Metode Simple Additive Weighting
(SAW)
Henry Wibowo S (2010) menyatakan
bahwa total perubahan nilai yang dihasilkan
oleh metode SAW lebih banyak sehingga
metode SAW sangat relevan untuk
menyelesaikan masalah pengambilan
keputusan. Metode SAW membutuhkan
proses normalisasi matriks keputusan (X) ke
suatu skala yang dapat diperbandingkan
dengan semua rating alternatif yang ada.
Diberikan persamaan sebagai berikut :
Dimana rij adalah rating kinerja
ternormalisasi dari alternatif Ai pada atribut
Cj ; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi
untuk setiap alternatif (Vi) diberikan sebagai
berikut:
Dimana:
Vi = rangking untuk setiap alternatif
wj = nilai bobot dari setiapp kriteria
rij = nilai rating kinerja ternormalisasi
Nilai Vi yang lebih besar
mengindikasikan bahwa alternatif Ai lebih
terpilih. Langkah-langkah dari metode SAW
adalah:

Jurnal Edik Informatika
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V2.i1(53-62)
1. Menentukan kriteria-kriteria yang akan
dijadikan acuan dalam pengambilan
keputusan, yaitu C.
2. Menentukan rating kecocokan setiap
alternatif pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan
kriteria (C), kemudian melakukan
normalisasi matriks berdasarkan
persamaan yang disesuaikan dengan jenis
atribut (atribut keuntungan ataupun atribut
biaya) sehingga diperoleh matriks
ternormalisasi R.
4. Hasil akhir diperoleh dari proses
perankingan yaitu penjumlahan dari
perkalian matriks ternormalisasi R dengan
vector bobot sehingga diperoleh nilai
terbesar yang dipilih sebagai alternatif
terbaik (A) sebagai solusi.
1.3.2. Kelebihan Metode Simple Additive
Weighting (SAW)
Kelebihan dari model Simple Additive
Weighting (SAW) dibandingkan dengan
model pengambilan keputusan yang lain
terletak pada kemampuannya untuk
melakukan penilaian secara lebih tepat karena
didasarkan pada nilai kriteria dan bobot
preferensi yang sudah ditentukan, selain itu
SAW juga dapat menyeleksi alternatif terbaik
dari sejumlah alternatif yang ada karena
adanya proses perankingan setelah
menentukan nilai bobot untuk setiap atribut.
1.4. Sistem Rekomendasi
Menurut Sebastia, L (2009) sistem
rekomendasi merupakan sebuah (web) alat
personalisasi yang menyediakan pengguna
sebuah informasi daftar item-item yang sesuai
dengan keinginan masing-masing pengguna.
Sistem rekomendasi menyimpulkan preferensi
pengguna dengan menganalisis ketersediaan
data pengguna, informasi tentang pengguna
dan lingkungannya. Sistem rekomendasi akan
menawarkan kemungkinan dari penyaringan
informasi personal sehingga hanya informasi
yang sesuai dengan kebutuhan dan preferensi
pengguna yang akan ditampilkan di sistem
dengan menggunakan sebuah teknik atau
model rekomendasi.
56 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar
ISSN : 2407-0491
E-ISSN : 2541-3716
HASIL DAN PEMBAHASAN
Proses penyeleksian berkas oleh penyedia
kerja membutuhkan ketelitian dan waktu,
karena data pencari kerja akan dibandingkan
dengan syarat lowongan kerja satu persatu.
Berkas tersebut akan diseleksi berdasarkan
kriteria yang dibutuhkan oleh penyedia kerja.
Adapun kriteria yang ditetapkan dalam
studi kasus ini adalah nilai Indeks Prestasi
Komulatif (IPK) minimal, tinggi badan
minimal, pendidikan terakhir minimal, usia
maksimal, pengalaman kerja yang dibutuhkan,
nilai akreditasi universitas, latar belakang
program studi yang dibutuhkan, kondisi mata
pencari kerja, status perkawinan, kemampuan
berbahasa asing, serta Nilai Ujian Nasional
(NUN) SMA.
Oleh karena itu, tidak semua pelamar
tersebut akan diterima, hanya pelamar dengan
kriteria yang sesuai dengan kebutuhan
penyedia kerja yang akan diterima. Secara
garis besar, desain arsitektur aplikasi yang
akan dibangun dapat dilihat pada gambar 4.1.
sebagai berikut.
Gambar 2 Desain Arsitektur Sistem
Informasi Lowongan Kerja
Tahapan pembuatan aplikasi ini, terlebih
dahulu adalah menentukan dan merencanakan
kriteria-kriteria dalam penyeleksian pelamar
adalah nilai IPK minimal, nilai pendidikan
terakhir minimal, usia maksimal, tinggi badan
minimal, pengalaman kerja yang dibutuhkan,
nilai akreditasi universitas, latar belakang
program studi yang dibutuhkan, kondisi mata
pencari kerja, status perkawinan yang
dibutuhkan, kemampuan berbahasa asing,
serta Nilai Ujian Nasional (NUN) SMA data
lamaran tersebut diinputkan kedalam sistem
 ISSN : 2407-0491
Jurnal Edik Informatika E-ISSN : 2541-3716
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V2.i1(53-62)

informasi lowongan kerja kemudian diproses 3.1.1.Kriteria dan Bobot Umur

dengan metode SAW didalam sistem
informasi lowongan kerja oleh administrator Usia BOBOT
sesuai syarat pekerjaan oleh penyedia kerja.
(Tahun)
3.1. Bobot Usia <15
Variabel ke 0 / (5-1) = 0,0
Dari kriteria yang telah ditentukan, maka dan >64
dibuat suatu tingkat kepentingan kriteria Usia 45-64 Variabel ke 1 / (5-1) = 1/4
berdasarkan nilai bobot yang telah ditentukan
ke dalam bilangan fuzzy dengan rumus yaitu = 0,25
variabel ke-n/n-1. Rating kecocokan setiap Usia 35-44 Variabel ke 2 / (5-1) = 2/4
alternatif pada setiap kriteria sebagai berikut :
= 0,5
Tabel 4.2. Variabel dan Bobot (Nilai) Usia 25-34 Variabel ke 3 / (5-1) = 3/4

Variabel Bobot (Nilai) = 0,75

Tidak Penting Variabel ke 0 / (5-1) = 0 Usia 15-24 Variabel ke 4 / (5-1) = 4/4
Kurang Variabel ke 1 / (5-1) = 1/4 =1
Penting =
Cukup Penting Variabel ke 2 / (5-1) = 2/4
= 3.1.2.Kriteria dan Bobot Tinggi Badan
Penting (P) Variabel ke 3 / (5-1) = 3/4
= Tinggi BOBOT
Sangat Penting Variabel ke 4 / (5-1) = 4/4 Badang
= <148 cm Variabel ke 0 / (6-1) = 0,0
148 - 153 Variabel ke 1 / (6-1) = 1/5
Nilai bobot tersebut dibuat dalam sebuah cm = 0,2
grafik supaya lebih jelas, seperti di bawah ini. 154 - 159 Variabel ke 2 / (6-1) = 2/5
cm = 0,4
160 - 165 Variabel ke 3 / (6-1) = 3/5
cm = 0,6
166 171 Variabel ke 4 / (6-1) = 4/5
cm = 0,8
>171 cm Variabel ke 5 / (6-1) = 5/5
=1

Gambar 2. Bilangan Fuzzy untuk

Bobot 3.1.3.Kriteria dan Bobot Kondisi Mata
Berdasarkan gambar 2. kriteria dan rating
kecocokan setiap alternatif pada setiap kriteria Kondisi
BOBOT
yang telah ditentukan, selanjutnya penjabaran Mata
bobot setiap kriteria yang telah dikonversikan Berkacamata Variabel ke 0 / (2-1) = 0,0
dengan bilangan fuzzy. Tidak Variabel ke 1 / (2-1) = 1/1
= 1,0

57 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar

 ISSN : 2407-0491
Jurnal Edik Informatika E-ISSN : 2541-3716
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V2.i1(53-62)

3.1.4.Kriteria dan Bobot Status 4,00 5/5 = 1

NUN BOBOT
Status BOBOT <16 Variabel ke 0/(5-1) = 0,0
Menikah Variabel ke 0 / (2-1) = 0,0 16 19 Variabel ke 1/(5-1) = 1/4
Tidak Variabel ke 1 / (2-1) = 1/1 = 0,25
= 1,0 20 23 Variabel ke 2/(5-1) = 2/4
= 0,5
3.1.5.Kriteria dan Bobot Pendidikan 24 27 Variabel ke 3/(5-1) = 3/4
Terakhir = 0,75
>27 Variabel ke 4/(5-1) = 4/4
Pendidikan =1
BOBOT
Terakhir
SMP Variabel ke 0 / (7-1) = 0,0
SMA Variabel ke 1 / (7-1) = 1/6 3.1.8.Kriteria dan Bobot Nilai TOEFL
= 0,17
D1 Variabel ke 2 / (7-1) = 2/6 TOEFL BOBOT
= 0,33 <=310 Variabel ke 0 / (5-1) =
D3 Variabel ke 3 / (7-1) = 3/6 0,0
= 0,5 311 420 Variabel ke 1/(5-1) = 1/4
S1 Variabel ke 4 / (7-1) = 4/6 = 0,25
= 0,67 421 480 Variabel ke 2/(5-1) = 2/4
S2 Variabel ke 5 / (7-1) = 5/6 = 0,5
= 0,83 481 520 Variabel ke 3/(5-1) = 3/4
S3 Variabel ke 6 / (7-1) = 5/6 = 0,75
=1 521 677 Variabel ke 4 / (5-1) =
4/4 = 1

3.1.6.Kriteria dan Bobot Kesesuaian 3.1.9.Kriteria dan Bobot Akreditasi

Jurusan
Akreditasi BOBOT
Status BOBOT Tak
Sesuai Variabel ke 0 / (2-1) = 0,0 Terakreditas Variabel ke 0 / (4-1) = 0,0
Tidak Variabel ke 1 / (2-1) = 1/1 = i
Sesuai 1,0 C Variabel ke 1 / (4-1) = 1/3
= 0,33
B Variabel ke 2 / (4-1) = 2/3
3.1.7.Kriteria dan Bobot Nilai IPK/NUN = 0,67
A Variabel ke 3 / (4-1) = 3/3
IPK BOBOT =1
IPK < 2,75 Variabel ke 0 / (6-1) =
0,0
IPK 2,75 Variabel ke 1 / (6-1) = 3.1.10. Kriteria dan Bobot Pengalaman
3,00 1/5 = 0,2
IPK 3,01 Variabel ke 2 / (6-1) = Pengalaman
BOBOT
3,25 2/5 = 0,4 Kerja
IPK 3,26 Variabel ke 3 / (6-1) = 0 Tahun Variabel ke 0 / (7-1) = 0,0
3,50 3/5 = 0,6 1 Tahun Variabel ke 1 / (7-1) = 1/6
IPK 3,51 Variabel ke 4 / (6-1) = = 0,17
3,75 4/5 = 0,8 2 Tahun Variabel ke 2 / (7-1) = 2/6
IPK 3,76 Variabel ke 5 / (6-1) = = 0,33

58 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar

 ISSN : 2407-0491
Jurnal Edik Informatika E-ISSN : 2541-3716
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V2.i1(53-62)

3 Tahun Variabel ke 3 / (7-1) = 3/6 Tampilan menu registrasi dapat

= 0,5 dilihat pada gambar 4 berikut ini:
4 Tahun Variabel ke 4 / (7-1) = 4/6
= 0,67
5 Tahun Variabel ke 5 / (7-1) = 5/6
= 0,83
>5 Tahun Variabel ke 6 / (7-1) = 6/6
=1

3.1.11. Kriteria dan Bobot Kelengkapan

Kelengkapa BOBOT
n
Berkas Gambar 4. Menu Registrasi
Tidak Variabel ke 0 / (2-1) =
Lengkap 0,0 Menu registrasi merupakan menu
Lengkap Variabel ke 1 / (2-1) = yang berguna menginputkan data pelamar
1/1 = 1,0 untuk masuk ke dalam menu user pelamar.
Tampilan menu utama sistem dapat dilihat Tampilan User pelamar dapat dilihat
pada gambar 3 berikut ini: pada gambar 5 berikut ini:

Gambar 3 Tampilan Menu Utama Sistem

Tampilan menu utama sebagai

tampilan awal yang terdapat empat menu,
yaitu menu home yang menampilkan sekilas
tentang program, menu registrai merupakan
regestrasi pelamar untuk masuk ke halaman
user dalam sistem informasi lowongan kerja,
menu lowongan merupakan informasi
lowogan kerja terbaru yang dapan dilihat
pengguna sistem informasi lowongan kerja.
Menu login merupakan tempat login
administrator dan pelamar dalam sistem
informasi lowongan kerja.

59 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar

 ISSN : 2407-0491
Jurnal Edik Informatika E-ISSN : 2541-3716
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V2.i1(53-62)

Gambar 5 Tampilan User Pelamar

Pada tampilan Menu User Pelamar,

Pelamar bisa menginputkan data-data pelamar
sesuai yang diminta sistem informasi
lowongan kerja melalui menu masukan data
lamaran kemudian data tersebut akan
disimpan ke dalam database yang selanjutnya
diproses oleh sistem

Tampilan User Admin dapat dilihat pada

gambar 6 berikut ini:
Gambar 6 Tampilan User Admin

Tampilan menu User Admin sebagai

tampilan awal Admin yang terdapat lima
menu, yaitu menu home yang menampilkan
sekilas tentang program, menu data pelamar
merupakan rekap data-data pelamar yang telah
60 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar
 ISSN : 2407-0491
Jurnal Edik Informatika E-ISSN : 2541-3716
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V2.i1(53-62)

menginputkan data-data lamarannya KESIMPULAN

selanjutnya sistem akan memproses dengan
perhitungan simple additive weighting dimana Kesimpulan yang dapat diambil dalam
admin akan mengklik tombol pembobobotan penelitian ini adalah :
maka data pelamar tersebut akan dibobotkan
ke dalam bilangan fuzzy, selanjutnya admin 1. Pada hasil implementasi sistem
mengklik tombol normalisasi dimana sistem pendukung keputusan dalam Sistem
akan menormalisasikan pembobotan ke dalam Informasi Lowongan Kerja ini
tabel normalisasi, kemudian admin akan menunjukkan bahwa sistem berjalan
mengisikan Bobot preferensi merupakan dengan baik dan benar sesuai dengan yang
tingkat kepentingan setiap kriteria yang dinilai diharapkan sehingga tujuan dari sistem ini
dengan angka 1 sampai 5, yaitu : 1 = tidak yaitu terbentuknya sebuah sistem
penting, 2 = kurang penting, 3 = cukup pendukung keputusan yang dapat
penting, 4 = penting, 5 = sangat penting. menentukan perangkingan untuk
Kemudian admin mengklik tombol rekomendasi pencari kerja terbaik oleh
perangkingan maka akan muncul di sistem admin atau penyedia kerja .
rangking pelamar yang dapat
direkomendasikan untuk perusahaan yang 2. Hasil dari penggunaan metode Simple
membutuhakan pekerjaan. Menu logout Additive Weighting dalam aplikasi ini
merupakan admin akan keluar dari User dapat memberikan sebuah pertimbangan
Admin. Berikut adalah tampilan User admin bagi penyedia kerja dalam pengambilan
berserta proses Simple additive weighting keputusan untuk rekomendasi pencari
untuk rekomendasi pencari kerja/pelamar kerja terbaik dalam sistem informasi
terbaik. Gambar 6 adalah user admin sampai lowongan kerja.
proses normalisasi sedangkan gambar 7
adalah proses perangkingan. Dimana rangking
15 tertinggi itulah yang di rekomendasikan DAFTAR REFERENSI
untuk pekerjaan administrator di perusahaan
andalan mitra Prestasi Alireza Afshari, Majid Mojahed and Rosnah
Mohd Yusuff. 2010. Simple Additive
Weighting approach to Personnel
Selection problem.
E.Manokaran, Dr.R.Muruganandham and
Dr.K.Ravichandran. 2012.
Mathematical Model for
Performance Rating inSoftware
industry- A study using Artificial
Neural Network.
Henry Wibowo S. 2010. MADM-TOOL :
Aplikasi Uji Sensitivitas Untuk Model
MADM Menggukanan Metode SAW
dan TOPSIS.
Heri Sulistiyo. 2013. Sistem Pendukung
Keputusan Untuk Menentukan
Penerima Beasiswa di SMA Negeri 6
Padeglang.
Lazim Abdullah and C.W. Rabiatul
Gambar 7 Tampilan User Admin untuk Adawiyah. 2014. Simple Additive
Hasil Perangkingan Weighting Methods Of Multi Criteria
Decesion Making and Application : A
Decade Review.

61 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar

 ISSN : 2407-0491
Jurnal Edik Informatika E-ISSN : 2541-3716
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V2.i1(53-62)

Paska Marto Hasugian. 2012. Fuzzy Multiple

Attribute Decision Making untuk
Menentukan Tenaga kerja dengan
Metode Simple Additive Weighting
(Studi Kasus : PT Cahaya Bintang
Medan).
Pristiwanto. 2014. Sistem Pendukung
Keputusan dengan Metode Simple
Additive Weighting untuk
Menentukan dosen Pembimbing
Skripsi.
Sri Eniyati. 2011. Perancangan Sistem
Pendukung Keputusan Untuk
Penerima Beasiswa dengan Metode
SAW (Simple Additive Weighting.
Sri Kusuma Dewi. 2008. Pencarian Bobot
Atribut pada Multiple Attribute
Decision Making (MADM) dengan
Pendekatan Obyektif Menggukan
Algoritma Genitika.
Youllia Indrawaty N, Mira Musrini Barmawi
and Andreas Sinaga. 2010.
Pengembangan Sistem Pendukung
Keputusan Karyawan Menggunakan
Metoda Pohon Keputusan ID3.
Sutarman. 2007. Membangun Aplikasi Web
dengan PHP dan MySQL. Graha
Ilmu : Yokyakarta.

62 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar